Phonic 1 對決 GPT Live 1：1.1 秒的示範、5 美分的貼紙，以及無人衡量的帳單

關於Phonic 1最常被重複的事實，是一項示範比較：在 Phonic 自己的測試中，其代理在來電者停止說話後 1.1 秒就作出回應，而 OpenAI 的 GPT Live 1則為 15.7 秒。這個數字很驚人，但它由廠商自行執行，而且在這場對比中是最沒用的東西。最有用的東西幾乎恰恰相反——GPT Live 1 每分鐘五美分的標價，看起來能勝過 Phonic 的七美分，直到你把 OpenAI 附加在它上面的第二個計價器也算進去。在這兩項事實之間，才是真正重要的比較，而它有一個明確的答案：在 Artificial Analysis 的語音對語音排行榜上，Phonic 1（High）得分 87.1，GPT-Live-1 在其 Astra-medium 配置下得分 83.2，3.9 分的差距幾乎完全集中在一個組成部分上。

這兩個模型都是全雙工對話系統，能在通話過程中呼叫工具；兩者都推出到一個十八個月前還沒有任何真正具備工具呼叫能力的語音模型的市場；而且兩者都以某種方式將其推理與語音層分離。最後這項相似之處，正是讓成本比較如此容易出錯的原因，也是本文花最多篇幅探討的地方。

拆解示範

Phonic 的 1.1 秒與 15.7 秒示範，是對真實行為的真實觀察，同時也是一項帶有兩個未知數的比較。第一個未知數是組態：GPT-Live-1 的延遲在很大程度上取決於它委派給哪個後端模型，而 Artificial Analysis 測得 Astra-medium 組態的首次音訊時間為 1.34 秒，Sol-low 則為 1.24 秒——兩者都不是十五秒。15.7 秒這個數字意味著後端處於沉重的推理負載，或者任務的工具鏈很長。第二個未知數是任務：這兩個數字描述的是不同的對話，而這對數字背後並沒有公開的協定。

示範背後的那項結構性主張本身是站得住腳的，而這裡值得把它與那個數字分開來看。Phonic 1 會在來電者仍在說話時就觸發工具呼叫；其廠商資料明確指出這一點，而它的 API 所暴露的，是在工作階段期間以內聯方式宣告的嚴格同步工具。GPT-Live-1 之所以是全雙工，在於它一邊說話一邊聆聽，並將工具工作跨非同步邊界委派給另一個獨立的後端模型。兩種設計都以不同的機制，把工作移出關鍵路徑。哪一種設計能在你的流量上勝出，取決於你自己做的量測，而不是你觀看的示範。

GPT-Live-1 是一種設定，不是分數

關於 GPT-Live-1 的每一個公開數字都需要附上限定條件，因為該模型的分數會隨著其後端而變動。在同一張排行榜上：

• GPT-Live-1（Astra，medium）— 語音對語音指數 83.2、推理 90、動態 94.9、代理能力 74.5、競技場偏好 1,027、任務成功率 87.4%、首次音訊時間 1.34 秒。

• GPT-Live-1（Sol，低）— 指數 80.1、推理 89、動態 97.3、代理 59.3、競技場 1,037、任務成功率 90.9%、首次音訊時間 1.24 秒。

• Phonic 1 (High) — 指數 87.1、推理 99、動態未回報、代理 79.9、競技場 1,012、任務成功率 92.3%、首次音訊時間 0.61 秒。

由此可以得出三點結論。第一，投入較低的 Sol 配置在優於投入較高的 Astra 配置，但在推理與自主性上表現較差——這與 Google 延伸思考版 Gemini 所呈現的取捨如出一轍，也意味著若不指明配置，「GPT-Live-1 的分數」就是一句毫無意義的話。

其次，Phonic 1 與最佳 GPT-Live-1 配置之間的代理能力差距為 5.4 分。這比 Phonic 的發佈宣傳資料所暗示的要小——其聲稱的 8.3 分領先是相對於 Grok Voice 3.0，而非 OpenAI——而且小到足以讓不同的任務組合有可能彌合這一差距。

第三，GPT-Live-1 在兩種配置下的競技場偏好皆領先，分別高出 15 與 25 Elo，並在對話動態方面領先 Phonic 一個 Phonic 尚未公布的數字。在通話者會形容為「聽起來像真人」的這個軸線上，OpenAI 處於領先，而這項差距並未在雙方都有測量。

五分錢貼紙與第二個計量器

GPT-Live-1 每語音分鐘 0.05 美元，按秒計費、不進位，並收取 15 秒的工作階段啟動費，該費用會退還。Phonic 1 每對話分鐘 0.07 美元，Pro 方案為 0.065 美元。在這兩項上，OpenAI 便宜 29%，此事就此定論。

它並非封閉式，因為 GPT-Live-1 的每分鐘費用僅涵蓋語音層。後端推理、工具呼叫與網路搜尋則按後端模型的標準 token 費率另行計費——OpenAI 自身的指引建議，高用量回合採用小型模型，複雜推理則採用前沿模型。Artificial Analysis 測得，依推理設定不同，每小時輸入音訊的實際總計為 4.47 至 5.83 美元，而 Phonic 1 為 4.20 美元。

• 語音層 — GPT-Live-1 每分鐘 $0.05，對比 Phonic 1 每分鐘 $0.07，Pro 為 $0.065。

• 其他計費項目 — GPT-Live-1 會額外計收後端模型 token、工具呼叫與網路搜尋費用；Phonic 1 則標榜單一每分鐘固定費率，且不轉嫁 LLM 成本。

• 實測每小時輸入成本 — 依 Artificial Analysis 數據，GPT-Live-1 為 $4.47–$5.83，Phonic 1 則為 $4.20。

• 成本可預測性 — GPT-Live-1 的總成本取決於你如何路由後端；Phonic 1 則不然。

這個反轉就是整個成本論證的核心，而且它與標價所指的方向正好相反。能讓後端回合維持低廉成本的團隊，可以輕鬆低於 GPT-Live-1 每小時 4.20 美元的價格；而把每一個回合都送往前沿模型的團隊，成本則會高於這個數字。Phonic 的固定費率，是為變動工作量制定的固定價格；這究竟有價值還是定價過高，取決於你實際跑的用量組合。

後端這一環，正是 OrcaRouter 能適得其所、而不假裝自己是別種東西的地方。Phonic 1 和 GPT Live 1 都不在我們的目錄中——兩者各自可透過其廠商自家的 API 取得——但回答 GPT-Live-1 困難輪次的模型是一般的文字模型，而這些正是我們用同一把金鑰路由、以供應商定價零加成提供的 200+ 個模型。OpenAI 所命名的兩個後端，GPT-5.6 Luna 與 GPT-6 Astra，在這裡都有模型頁面。路由規則可以把簡單輪次留在低成本後端，只把需要升級的輪次升級，並具備在供應商於通話中途不穩時自動容錯移轉的能力——這正是把 GPT-Live-1 忽高忽低的帳單變成有上限帳單的控制項。

OpenAI 有、但 Phonic 沒有的東西

成熟度落差不是行銷論點，而是正式上線的關鍵。GPT-Live-1 自 2026 年 7 月 8 日起已在 ChatGPT 中提供，自 9 月 10 日起在 API 中提供，並於 10 月 15 日推出增量更新 GPT-Live-1.1。它已以任何問世僅一週的模型都未曾有過的規模運行，而其傳輸方案也反映了這一點：透過 WebRTC、WebSocket 或 SIP 的 Live Sessions，電話功能由平台處理，而非留給整合商。

採用是另一個訊號。Perplexity 於 2026 年 10 月 28 日將其語音模式遷移至 GPT-Live-1，而 Yelp 和 Speak 被列為早期合作夥伴。這些並非品質的證明，而是證明該模型能經得起消費者流量的考驗。

• 傳輸 — GPT-Live-1 提供 WebRTC、WebSocket 與 SIP；Phonic 1 提供 WebSocket 端點，並以 webhooks、持續保持開啟的 socket 或 LiveKit 作為整合方式。

• 併發 — GPT-Live-1 公布分級併發工作階段上限（第 1 級約 25–50 個，最高等級可達 500 個），且沒有免費方案；Phonic 1 在其公開資料中未公布任何工作階段上限。

• 界線 — GPT-Live-1 不接受圖像或影片輸入，且在語音層不提供結構化輸出；Phonic 1 為原生音訊，並以工具呼叫作為結構化介面。

• 部署 — Phonic 1 提供雲端、單租戶、VPC 對等連線與自行託管選項，並具備 SOC 2 Type II 與 HIPAA BAA 可用性；GPT-Live-1 是 OpenAI 託管的 API。

Phonic 1 擁有什麼是 OpenAI 所沒有的？

速度方面，在同樣衡量速度的測試榜上：首個音訊為 0.61 秒，對比之下為 1.34 秒與 1.24 秒。這是這場對決中唯一一項大到能讓通話者切身感受、而非只能從圖表推斷的實測差距，也與 Phonic 所稱低於 600 毫秒的語音輸入至語音輸出相符。

能動性（Agency），更狹義地說：在較好的 OpenAI 配置下，79.9% 對 74.5%。還有一張帳單，這與其說是能力，不如說是採購屬性——但對於一家一直在試算表上列著語音線路、後端線路和工具線路的公司來說，把三個計費表合併成一個確有實實在在的價值。

• 首次音訊時間——根據 Artificial Analysis，Phonic 1 為 0.61 秒，GPT-Live-1 則為 1.34 秒（Astra，medium）與 1.24 秒（Sol，low）。

• 代理效能 — Phonic 1 為 79.9，對比 74.5（Astra，中等）與 59.3（Sol，低）。

競技場偏好 — GPT-Live-1 1,027 與 1,037 對上 Phonic 1 1,012。

• 任務成功率 — Phonic 1 92.3%，相較之下 Astra 為 87.4%、Sol 為 90.9%。

OpenAI 自己公布的效能說法理應有自己的標註，因為這些數字沒有一項經過獨立重現：在 Full Duplex Bench v1.5 上達到 80.1%，而 GPT-Realtime-2.1 為 45.4%；輪替發言延遲為 0.798 秒，對比 1.41 秒；工具呼叫成功率約 87%。這些都是廠商數據。它們看似合理，卻未經查證，而同樣的一句話也必須套用在 Phonic 的 15.7 秒比較上。

這項決定，以賭注的形式表述

如果你的通話偏對話性而非交易性，如果你希望傳輸與電話語音由服務商處理，而且你願意自行負責後端路由、讓其帳單具競爭力，就選擇 GPT Live 1。5.4 分的代理能力差距確實存在，但對一個主要回答問題、偶爾呼叫查詢的代理來說並不致命——而 OpenAI 更龐大的多重配置產品陣容，從最低投入的語音到前沿後端，提供的可調參數比 Phonic 目前公布的更多。

如果通話必須完成一筆交易、如果首個音訊延遲三分之一秒會改變你的放棄率，而且如果固定的每分鐘費率對你而言，比精心調校的後端所帶來的理論節省更有價值，就選擇 Phonic 1。請接受這點：你買到的是一個才推出一週的模型，只有一個獨立董事會、沒有公開的工作階段限制，也沒有消費級規模的部署歷史。

真正能定奪的，不是任何一家廠商公布任何東西，而是你自己花兩週、把通話量分攤在兩家身上，並同步測量同一任務的完成率。Phonic 在代理式能力上領先 5.4 個百分點，這個差距正好落在單一任務領域就能逆轉的幅度內——這正是主張實測、而非直接挑排行榜榜首的理由。